R$^3$: قارئ-مرتب مُعزز للإجابة على الأسئلة في المجال المفتوح

في السنوات الأخيرة، حقق الباحثون نجاحًا كبيرًا في تطبيق طرق الشبكات العصبية على الإجابة عن الأسئلة (QA). وقد أظهرت هذه الطرق نتائجًا رائدة في إعدادات المجال المغلق المبسطة مثل مجموعة بيانات SQuAD (Rajpurkar وآخرون، 2016)، التي توفر مقطعًا محددًا مسبقًا يمكن从中提取给定问题的答案. مؤخرًا، بدأ الباحثون في معالجة الإجابة عن الأسئلة في المجال المفتوح، حيث يتم تقديم السؤال للنموذج وإعطاؤه إمكانية الوصول إلى مكتبة كبيرة من النصوص (مثل ويكيبيديا) بدلاً من مقطع محدد مسبق (Chen وآخرون، 2017a). هذا الإعداد أكثر تعقيدًا لأنه يتطلب البحث على نطاق واسع عن المقاطع ذات الصلة بواسطة مكون استرجاع المعلومات، بالإضافة إلى نموذج فهم القراءة يقرأ" هذه المقاطع لإنتاج إجابة على السؤال. تتأخر الأداء في هذا الإعداد بشكل كبير عن أداء الإعدادات ذات المجال المغلق. في هذا البحث، نقدم نظامًا جديدًا للإجابة عن الأسئلة في المجال المفتوح يُسمى نظام الرتبة-القارئ المعزز $(R^3)$، وهو يستند إلى ابتكارين خوارزميين. أولًا، نقترح خط أنابيب جديدًا للإجابة عن الأسئلة في المجال المفتوح يتضمن مكون رتبة يتعلم كيفية تصنيف المقاطع المسترجعة حسب احتمالية إنتاجها للإجابة الصحيحة على سؤال معين. ثانيًا، نقترح طريقة جديدة تقوم بتدريب الرتبة بشكل مشترك مع نموذج القارئ الذي يولد الإجابات، وذلك باستخدام التعلم التعزيزي. نقدم نتائج تجارب واسعة النطاق تظهر أن طريقتنا تحسن بشكل كبير على الحالة الرائدة لعدة قواعد بيانات للإجابة عن الأسئلة في المجال المفتوح.